本文介绍了如何使用urllib模块打开网页并利用正则表达式抽取网页中的特定信息，包括两个主要方法：HTMLParser模块和正则表达式。详细解释了如何将urllib.urlopen()方法与正则表达式结合使用，以实现高效的数据抓取。
使用urllib模块 来抓取网页信息。该模块提供了从URL打开网站的功能，用urllib.urlopen(url)方法打开此网站URL，并返回一个HTML文档，此时可以通过read（）方法来进行读操作。
url=”http://www.imdb.cn/title/tt0107985”
info=urllib.urlopen(url)
html=info.read()
虽然能实现读取整个网页的信息，那么问题来啦，如何抽取这个页面中指定的信息呢？我了解到了两个方法：1.使用HTMLParser模块（它能根据HTML文档中的标签来简洁高效地解析HTML文档） 2.使用正则表达式
这次采用方法2—–正则表达式
python--parser抓取网页信息
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
